CN108630216A - 一种基于双麦克风模型的mpnlms声反馈抑制方法 - Google Patents
一种基于双麦克风模型的mpnlms声反馈抑制方法 Download PDFInfo
- Publication number
- CN108630216A CN108630216A CN201810152518.5A CN201810152518A CN108630216A CN 108630216 A CN108630216 A CN 108630216A CN 201810152518 A CN201810152518 A CN 201810152518A CN 108630216 A CN108630216 A CN 108630216A
- Authority
- CN
- China
- Prior art keywords
- signal
- sef
- filter
- mpnlms
- microphone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000009977 dual effect Effects 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 79
- 230000003044 adaptive effect Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 7
- 241000209140 Triticum Species 0.000 claims description 6
- 235000021307 Triticum Nutrition 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/02—Circuits for transducers, loudspeakers or microphones for preventing acoustic reaction, i.e. acoustic oscillatory feedback
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02166—Microphone arrays; Beamforming
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Otolaryngology (AREA)
- General Health & Medical Sciences (AREA)
- Circuit For Audible Band Transducer (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开了一种基于双麦克风模型的MPNLMS声反馈抑制方法，主要解决单个麦克风的声反馈抑制系统中，基于μ准则的比例归一化最小均方算法对滤波器系数的有偏估计会而导致其性能显著降低的问题。其实现过程是：(1)该系统中副麦克风估计主麦克风的有效输入信号；(2)将估计信号与主麦克风输出信号相减之后所得的误差信号用于自适应滤波器系数的更新。本发明提出的基于双麦克风模型的MPNLMS算法不再受制于扬声器输出信号与有效信号之间的相关性，而且该算法的收敛速度、误差与最大增益均优于传统单个麦克风声反馈抑制系统中的MPNLMS算法，可用于对性能要求较高的会议系统。
Description
技术领域
本发明属于语音信号处理技术领域，具体涉及一种基于双麦克风模型的MPNLMS声反馈抑制方法。
背景技术
扬声器与麦克风之间的声学耦合引起的啸叫现象称为声反馈。一般的扩声系统与助听器，均会受到声反馈的困扰。近年来，基于自适应的声反馈抑制技术(Acousticfeedback cancellation,AFC)受到了学者们的广泛关注，该技术通过自适应算法建立整体声学环境模型，分析反馈路径并预测声反馈信号，然后将之从实际输入信号中去除，以实现啸叫抑制。
由于结构简单和易于实现，最小均方(Least mean squares,LMS)算法以及归一化最小均方(Normalized LMS,NLMS)算法在自适应滤波器中的应用最为广泛。然而，当输入信号的功率在信号处理过程中有较大的波动时，LMS算法和NLMS算法的收敛速度会变慢。为了解决这个问题，比例归一化最小均方(Proportionate normalized least mean square,PNLMS)算法被Duttweiler提出。该算法给滤波器的每一个权系数提供一个与该系数幅值成正比的步长，这样可以使得大抽头权系数比小抽头权系数的调整速度更快，进而提高了该算法的收敛速度。但当滤波器的大抽头权系数快速收敛后，余下的滤波器小抽头权系数不能够快速收敛，进而导致收敛速度变得十分缓慢，甚至不如NLMS。因此很多学者针对PNLMS算法在后期收敛速度降低比较严重的缺点进行了改进。
Deng H提出了基于μ准则的比例归一化最小均方(Proportionate normalizedleast mean square based onμ-law,MPNLMS)算法。MPNLMS算法中步长计算函数为：该算法通过结合滤波器权系数的收敛过程，平衡了滤波器中各大、小系数的更新速度，使得权系数的分配更加合理，克服了PNLMS算法后期收敛速度降低的缺陷。MPNLMS算法的收敛速度比其他的系数比例自适应算法更快。此外当目标冲激响应的稀疏程度不是很大时，该算法后期的收敛速度不会有明显的降低。但当系统中只有一个麦克风时，由于扬声器输出信号与有效输入信号(目标信号)向量序列之间较强的相关性，导致自适应算法对滤波器系数的有偏估计，进而对声反馈信号的估计误差较大，使得该算法的性能被降低。因此，实现声反馈信号与有效输入信号之间的去相关在AFC实际应用中十分必要。
发明内容
本发明的目的是：针对MPNLMS算法在传统单个麦克风的声反馈抑制系统中由于相关性导致性能被削弱的问题，本发明将一种双麦克风系统与MPNLMS算法相结合以抑制声反馈，提出一种基于双麦克风模型的MPNLMS声反馈抑制方法(MPNLMS Acoustic Feedbackcancellation Algorithm Based on Two Microphone System,TM-AFC-MPNLMS)。
为了达到上述目的，本发明所采用的技术方案是：一种基于双麦克风模型的MPNLMS声反馈抑制方法，其特征在于，将双麦克风模型与MPNLMS算法相结合以抑制声反馈，所述双麦克风模型为在主麦克风的基础上加入一个空间上离扬声器更远的副麦克风，主、副两个麦克风所在传声路径分别通过自适应滤波器与模拟；
该方法首先分别初始化自适应滤波器与的权系数向量，将它们分别初始化为长度是与的0向量；
然后，将副麦克风所在传声路径的自适应滤波器的输出信号减去主麦克风所在传声路径的自适应滤波器的误差信号得到本方法所需误差信号e1(n)，并以此方法迭代计算误差信号e1(n)，n≥0；
在迭代计算误差信号e1(n)的同时根据MPNLMS算法分别更新自适应滤波器的权系数与自适应滤波器的权系数；其中误差信号e1(n)同时控制的系数更新；最后，将自适应滤波器的输出作为整个声反馈抑制方法的输出。
进一步地，所述双麦克风模型具体描述为：该模型有两个麦克风和一个扬声器，主麦克风置于耳朵内，副麦克风在耳朵旁，主麦克风离反馈信号源更近，扬声器与两个麦克风之间的反馈路径被假定为两个FIR滤波器，其系数向量分别为：与 滤波器长度均为Lg，滤波器多项式传递函数为
自适应滤波器用于识别和跟踪声反馈路径的变化，并产生声反馈信号f1(n)的估计信号其长度为系数向量为：FIR自适应滤波器被用来模拟副麦克风到主麦克风的传声路径H(q)，其长度为系数向量为
主麦克风与副麦克风输入的有效信号分别为ui(n)，i＝1,2，反馈信号分别为fi(n)＝Gi(q)y1(n)，i＝1,2，输入信号分别为：
m1(n)＝u1(n)+f1(n) (1)
m2(n)＝u2(n)+f2(n) (2)
其中，反馈信号f2(n)相对于f1(n)被衰减得更厉害，主麦克风m1的输入信号u1(n)与副麦克风m2的输入信号u2(n)之间关系的时域离散表达式为：
u1(n-dm)＝hT(n)u2(n)+ζ(n) (3)
其中，H(q)是长度为Lh的FIR滤波器，ζ(n)为u1(n)中不能由u2(n)转换而得到的部分，为了使仿真更加接近实际情况，在第一个麦克风所在路径中加入延时dm，在本双麦克风模型下，式(3)中的u1(n)与u2(n)是相干信号；
另外，主麦克风的输入信号m1(n)减去自适应滤波器的反馈估计信号得到误差信号
误差信号经过前向传递路径K(q)放大并最终被输入扬声器，前向传递路径K(q)的时延为dk，dk≥1，增益为K，如果误差信号被直接用来更新自适应滤波器系数，则由于u1(n)与它的相关性，将给系统带来干扰并最终造成滤波器系数的估计偏差，因此，在双麦克风系统中，利用副麦克风估计u1(n)，然后将估计信号从中减掉，副麦克风的输入信号m2(n)经过自适应滤波器处理后得到其估计信号将减去得到误差信号e1(n)：
误差信号e1(n)用于控制自适应滤波器与系数的更新，利用归一化最小均方算法对自适应滤波器及进行控制：
式(6)与式(7)中μ为滤波器步长大小；y1(n)为扬声器信号，同时也是自适应滤波器的输入信号；m2(n)是副麦克风的输入信号，同时也作为自适应滤波器的输入；y1(n)表示为：
其中，S(q)为灵敏度函数，其表示为：
在按如上方式引入双麦克风模型的基础上，本方法将该模型与MPNLMS算法结合，对声反馈信号进行抑制。
进一步地，所述MPNLMS算法具体描述为：在MPNLMS算法中，自适应滤波器的输入信号被用于更新滤波器系数，对应双麦克风模型中自适应滤波器以及副麦克风所在反馈路径的自适应滤波器的输入信号分别被表示为：
其中，分别为自适应滤波器及的长度，y1(n)及m2(n)分别为扬声器信号及副麦克风输入信号，误差信号由下式计算：
其中，主麦克风的输入信号m1(n)由式(1)计算，u1(n)的估计信号以及最终用于更新滤波器的误差信号e1(n)分别由以下两式计算：
进一步地，在双麦克风模型中用MNPLMS算法代替式(6)、(7)所列的NLMS算法，自适应滤波器及的滤波器系数更新方程写为：
其中，μg与μh分别为自适应滤波器及的更新步长，控制算法的收敛速度与稳态失调；δ为一个数值很小的正数，作为调整参数防止出现分母为零的情况，P(n+1)与Q(n+1)分别为自适应滤波器及的步长控制矩阵，它们给各个滤波器系数赋予不同的步长，其中P(n+1)表示为：
本方法按如下递归关系式计算P(n+1)：
式中，δ为修正系数，防止权系数全为零时pl(n+1)不成立；ρ一般取在之间；为自适应滤波器长度；为避免抽头权值远小于滤波器最大抽头权值引起的迭代停顿而设置，Q(n+1)的更新方式与P(n+1)相同；
另外，用于滤波器系数更新的误差信号e1(n)的计算表达式如下：
与现有技术相比，本发明的有益效果是：本发明提出的基于双麦克风模型的MPNLMS声反馈抑制方法，该系统中副麦克风估计主麦克风的有效输入信号，将估计信号与主麦克风输出信号相减之后所得的误差信号用于自适应滤波器系数的更新。仿真结果表明，本发明提出的基于双麦克风模型的MPNLMS声反馈抑制方法不再受制于扬声器输出信号与有效信号之间的相关性，而且该方法的收敛速度、误差与最大增益均优于传统单个麦克风声反馈抑制系统中的MPNLMS算法。该方法具有收敛速度更快、稳态误差更小、最大稳定增益更大、市场前景广阔的优点。
附图说明
图1为双麦克风声反馈抑制系统模型示意图。
图2为本发明基于双麦克风模型的MPNLMS声反馈抑制方法的流程图。
图3为无噪声时TM-AFC-MPNLMS算法、MPNLMS算法、PNLMS算法、NLMS算法最大稳定增益及误差性能对比。
图4为注入30dB噪声时TM-AFC-MPNLMS算法、MPNLMS算法、PNLMS算法、NLMS算法最大稳定增益及误差性能对比。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
针对MPNLMS算法在传统单个麦克风的声反馈抑制系统中由于相关性导致性能被削弱的问题，本发明将一种双麦克风系统与MPNLMS算法相结合以抑制声反馈，提出一种基于双麦克风模型的MPNLMS声反馈抑制方法(MPNLMS Acoustic Feedback cancellationAlgorithm Based on Two Microphone System,TM-AFC-MPNLMS)。
如图1，该方法在单个麦克风系统的基础上加入一个空间上离扬声器更远的副麦克风，以增加一路麦克风传声路径来提高声反馈抑制性能，若已知有效输入信号，则可消除原传声路径的估计偏差。相比主麦克风，副麦克风收到的声反馈信号有一定程度的衰减。
副麦所在的传声路径2的主要目的是估计有效输入信号u1(n)，若已知有效输入信号，则可消除原传声路径的估计偏差。如图1所示，传声路径2的自适应滤波器的输出信号与自适应滤波器的误差信号相减后得到误差信号e1(n)，自适应算法利用e1(n)来更新两个滤波器的系数。双麦克风自适应声反馈抑制的方案能够在保证稳定性的同时使系统获得更大的增益，并且让主麦采集的语音信号更加贴近原音。
本发明提出的抑制方法首先获得误差信号e1(n)，该误差信号是通过副麦克风所在传声路径的自适应滤波器的输出信号与主麦克风所在传声路径的自适应滤波器的误差信号相减后得到。接着MPNLMS算法利用e1(n)来同时更新滤波器与的系数。最后针对无噪声输入以及输入信噪比为30dB的干扰信号两种情景下，将本发明方法与传统MPNLMS、PNLMS、NLMS算法分别就收敛速度、误差及最大稳定增益三个指标作对比，并且对声场改变时的情况进行了分析。
1.双麦克风声反馈抑制系统模型描述
图1给出了双麦克风声反馈抑制系统。该系统有两个麦克风和一个扬声器，主麦克风置于耳朵内，副麦克风在耳朵旁，主麦克风离反馈信号源更近(|G2(ω)|<|G1(ω)|)。扬声器与两个麦克风之间的反馈路径被假定为两个FIR(有限冲击响应)滤波器，其系数向量分别为： 与滤波器长度均为Lg。滤波器多项式传递函数为w(n)为可能被注入到扬声器信号y1(n)中的高斯白噪声，用以实现两种不同仿真情景的对比。
自适应滤波器用于识别和跟踪声反馈路径的变化，并产生声反馈信号f1(n)的估计信号其长度为系数向量为：FIR自适应滤波器被用来模拟副麦克风到主麦克风的传声路径H(q)，其长度为系数向量为
主麦克风与副麦克风输入的有效信号分别为ui(n)，(i＝1,2)，反馈信号分别为fi(n)＝Gi(q)y1(n)，(i＝1,2)，输入信号分别为：
m1(n)＝u1(n)+f1(n) (1)
m2(n)＝u2(n)+f2(n) (2)
其中，反馈信号f2(n)相对于f1(n)被衰减得更加厉害。主麦克风m1的输入信号u1(n)与副麦克风m2的输入信号u2(n)之间关系的时域离散表达式为：
u1(n-dm)＝hT(n)u2(n)+ζ(n) (3)
其中，H(q)是长度为Lh的FIR滤波器，ζ(n)为u1(n)中不能由u2(n)转换而得到的部分。为了使仿真更加接近实际情况，在第一个麦克风所在路径中加入延时dm。在本发明的双麦克风模型下，式(3)中的u1(n)与u2(n)是相干信号。
另外，主麦克风的输入信号m1(n)减去自适应滤波器的反馈估计信号得到误差信号
误差信号经过前向传递路径K(q)放大并最终被输入扬声器，前向传递路径K(q)的时延为dk(dk≥1)，增益为K。如果误差信号被直接用来更新自适应滤波器系数，则由于u1(n)与它的相关性，将给系统带来干扰并最终造成滤波器系数的估计偏差。因此，在双麦克风系统中，利用副麦克风估计u1(n)，然后将估计信号从中减掉。副麦克风的输入信号m2(n)经过自适应滤波器处理后得到其估计信号将减去得到误差信号e1(n)：
如图1，误差信号e1(n)没有被像在传统自适应滤波器中那样经放大后作为扬声器的输入，而是将其用于控制自适应滤波器与系数的更新，尽管第二条反馈路径仍会带来一定的估计偏差，但此方法使得滤波器系数的有偏估计被显著降低。利用归一化最小均方(normalized LMS，NLMS)算法对自适应滤波器及进行控制：
式(6)与式(7)中μ为滤波器步长大小；y1(n)为扬声器信号，同时也是自适应滤波器的输入信号；m2(n)是副麦克风的输入信号，同时也作为自适应滤波器的输入。y1(n)表示为：
其中，S(q)为灵敏度函数，其表示为：
在按如上方式引入双麦克风模型的基础上，本发明将该模型与MPNLMS算法结合，分别就正常声场、麦克风附近有障碍物的声场两不同情况对反馈信号进行抑制。
2.MPNLMS算法
在MPNLMS算法中，自适应滤波器的输入信号被用于更新滤波器系数。对应双麦克风模型中自适应滤波器以及副麦克风所在反馈路径的自适应滤波器的输入信号可以分别被表示为：
其中，分别为自适应滤波器及的长度，y1(n)及m2(n)分别为扬声器信号及副麦克风输入信号。误差信号可由下式计算：
其中，主麦克风的输入信号m1(n)由式(1)计算。u1(n)的估计信号以及最终用于更新滤波器的误差信号e1(n)分别由以下两式计算：
3.基于MPNLMS算法的双麦克风声反馈抑制系统
在双麦克风抑制系统中用MNPLMS算法代替式(6)、(7)所列的NLMS算法，自适应滤波器及的滤波器系数更新方程可写为：
其中，μg与μh分别为自适应滤波器及的更新步长，控制算法的收敛速度与稳态失调；δ为一个数值很小的正数，作为调整参数防止出现分母为零的情况。P(n+1)与Q(n+1)分别为自适应滤波器及的步长控制矩阵，它们给各个滤波器系数赋予不同的步长。其中P(n+1)可表示为：
本方法按如下递归关系式计算P(n+1)：
式中，δ为修正系数，防止权系数全为零时pl(n+1)不成立；ρ一般取在之间；为自适应滤波器长度；为避免抽头权值远小于滤波器最大抽头权值引起的迭代停顿而设置。Q(n+1)的更新方式与P(n+1)相同。
另外，用于滤波器系数更新的误差信号e1(n)的计算表达式如下：
综上，本发明提出的基于MPNLMS的双麦克风声反馈抑制方法实现步骤如下：
步骤1：初始化
步骤2：迭代计算误差信号e1(n)(n≥0)
步骤3：更新自适应滤波器的系数：
步骤4：更新自适应滤波器的系数：
该方法主要由四部分组成：系数向量初始化，计算误差信号e1(n)，更新自适应滤波器的系数，更新自适应滤波器的系数。其中误差信号e1(n)同时控制的系数。整个方法的流程图如图2所示。
仿真结果
以误差MisAL及最大稳定增益MSG作为性能指标。其中误差计算表达式和最大稳定增益分别定义为：
式中，dg为反馈路径G1(q)以及G2(q)中由AD转换，DA转换及声音传递过程带来的延时。
下面将本发明的TM-AFC-MPNLMS方法分别与传统的MPNLMS算法、PNLMS算法、NLMS算法进行对比仿真分析。在以下的仿真中，TM-AFC-MPNLMS算法中自适应滤波器步长为μg＝0.001，其长度自适应滤波器的步长为μh＝0.001，并且其长度为其它传统算法中的自适应滤波器步长为μ＝0.001。在所有仿真中，设置时延dg＝1ms，dm＝62.5μs。滤波器G1(q)、G2(q)长度Lg＝38。采样频率为16kHz，且前向通道增益为K＝35dB，前向通道时延为dk＝2ms。
图3呈现了无噪声注入时TM-AFC-MPNLMS算法、MPNLMS算法、PNLMS算法、NLMS算法的误差及最大稳定增益的图像。其中，反馈路径G1(q)以及G2(q)在第40秒时由正常声场切换到声反馈信号更强的有障碍物声场。从图3可知，在正常声场下，本发明提出的基于双麦克风模型的MPNLMS(TM-AFC-MPNLMS)方法相对于传统的算法在最大稳定增益MSG上有3-4dB提升，在误差MisAL上有4-5dB提升。当反馈变强时，也分别有2-3dB及3-4dB提升。
图4中给出了注入30dB噪声时TM-AFC-MPNLMS算法、MPNLMS算法、PNLMS算法、NLMS算法的最大稳定增益及误差性能对比，其中，注入到扬声器输入信号K(q)u1(n)之中的高斯噪声信号w(n)的信噪比为：
反馈路径在第40秒时由正常声场切换到声反馈信号更强的声场。由图4可知，正常声场下，本方法相对于传统的算法在最大稳定增益MSG上的提升有2-3dB，在误差MisAL上的提升有3-4dB。当反馈信号变强时，也分别有1dB及2dB左右的提升。
综上，由图3和图4可知，本发明提出的方法相比于传统算法在无噪声，及注入噪声两种情况下收敛速度均更快。这是因为本方法降低了声反馈信号与有效输入信号之间的相关性，进而降低了自适应滤波器系数的设计偏差，提高了算法的误差、最大稳定增益及收敛速度的性能。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于双麦克风模型的MPNLMS声反馈抑制方法，其特征在于，将双麦克风模型与MPNLMS算法相结合以抑制声反馈，所述双麦克风模型为在主麦克风的基础上加入一个空间上离扬声器更远的副麦克风，主、副两个麦克风所在传声路径分别通过自适应滤波器与模拟；
该方法首先分别初始化自适应滤波器与的权系数向量，将它们分别初始化为长度是与的0向量；
然后，将副麦克风所在传声路径的自适应滤波器的输出信号减去主麦克风所在传声路径的自适应滤波器的误差信号得到本方法所需误差信号e1(n)，并以此方法迭代计算误差信号e1(n)，n≥0；
在迭代计算误差信号e1(n)的同时根据MPNLMS算法分别更新自适应滤波器的权系数与自适应滤波器的权系数；其中误差信号e1(n)同时控制 的系数更新；最后，将自适应滤波器的输出作为整个声反馈抑制方法的输出。
2.如权利要求1所述的基于双麦克风模型的MPNLMS声反馈抑制方法，其特征在于，所述双麦克风模型具体描述为：该模型有两个麦克风和一个扬声器，主麦克风置于耳朵内，副麦克风在耳朵旁，主麦克风离反馈信号源更近，扬声器与两个麦克风之间的反馈路径被假定为两个FIR滤波器，其系数向量分别为：与滤波器长度均为Lg，滤波器多项式传递函数为
自适应滤波器用于识别和跟踪声反馈路径的变化，并产生声反馈信号f1(n)的估计信号其长度为系数向量为：FIR自适应滤波器被用来模拟副麦克风到主麦克风的传声路径H(q)，其长度为系数向量为
主麦克风与副麦克风输入的有效信号分别为ui(n)，i＝1,2，反馈信号分别为fi(n)＝Gi(q)y1(n)，i＝1,2，输入信号分别为：
m1(n)＝u1(n)+f1(n) (1)
m2(n)＝u2(n)+f2(n) (2)
其中，反馈信号f2(n)相对于f1(n)被衰减得更厉害，主麦克风m1的输入信号u1(n)与副麦克风m2的输入信号u2(n)之间关系的时域离散表达式为：
u1(n-dm)＝hT(n)u2(n)+ζ(n) (3)
其中，H(q)是长度为Lh的FIR滤波器，ζ(n)为u1(n)中不能由u2(n)转换而得到的部分，为了使仿真更加接近实际情况，在第一个麦克风所在路径中加入延时dm，在本双麦克风模型下，式(3)中的u1(n)与u2(n)是相干信号；
另外，主麦克风的输入信号m1(n)减去自适应滤波器的反馈估计信号得到误差信号
误差信号经过前向传递路径K(q)放大并最终被输入扬声器，前向传递路径K(q)的时延为dk，dk≥1，增益为K，如果误差信号被直接用来更新自适应滤波器系数，则由于u1(n)与它的相关性，将给系统带来干扰并最终造成滤波器系数的估计偏差，因此，在双麦克风系统中，利用副麦克风估计u1(n)，然后将估计信号从中减掉，副麦克风的输入信号m2(n)经过自适应滤波器处理后得到其估计信号将减去得到误差信号e1(n)：
误差信号e1(n)用于控制自适应滤波器与系数的更新，利用归一化最小均方算法对自适应滤波器及进行控制：
式(6)与式(7)中μ为滤波器步长大小；y1(n)为扬声器信号，同时也是自适应滤波器的输入信号；m2(n)是副麦克风的输入信号，同时也作为自适应滤波器的输入；y1(n)表示为：
其中，S(q)为灵敏度函数，其表示为：
在按如上方式引入双麦克风模型的基础上，本方法将该模型与MPNLMS算法结合，对声反馈信号进行抑制。
3.如权利要求2所述的基于双麦克风模型的MPNLMS声反馈抑制方法，其特征在于，所述MPNLMS算法具体描述为：在MPNLMS算法中，自适应滤波器的输入信号被用于更新滤波器系数，对应双麦克风模型中自适应滤波器以及副麦克风所在反馈路径的自适应滤波器的输入信号分别被表示为：
其中，分别为自适应滤波器及的长度，y1(n)及m2(n)分别为扬声器信号及副麦克风输入信号，误差信号由下式计算：
其中，主麦克风的输入信号m1(n)由式(1)计算，u1(n)的估计信号以及最终用于更新滤波器的误差信号e1(n)分别由以下两式计算：
4.如权利要求3所述的基于双麦克风模型的MPNLMS声反馈抑制方法，其特征在于，在双麦克风模型中用MNPLMS算法代替式(6)、(7)所列的NLMS算法，自适应滤波器及的滤波器系数更新方程写为：
其中，μg与μh分别为自适应滤波器及的更新步长，控制算法的收敛速度与稳态失调；δ为一个数值很小的正数，作为调整参数防止出现分母为零的情况，P(n+1)与Q(n+1)分别为自适应滤波器及的步长控制矩阵，它们给各个滤波器系数赋予不同的步长，其中P(n+1)表示为：
本方法按如下递归关系式计算P(n+1)：
式中，δ为修正系数，防止权系数全为零时pl(n+1)不成立；ρ一般取在之间；为自适应滤波器长度；为避免抽头权值远小于滤波器最大抽头权值引起的迭代停顿而设置，Q(n+1)的更新方式与P(n+1)相同；
另外，用于滤波器系数更新的误差信号e1(n)的计算表达式如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810152518.5A CN108630216B (zh) | 2018-02-15 | 2018-02-15 | 一种基于双麦克风模型的mpnlms声反馈抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810152518.5A CN108630216B (zh) | 2018-02-15 | 2018-02-15 | 一种基于双麦克风模型的mpnlms声反馈抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108630216A true CN108630216A (zh) | 2018-10-09 |
| CN108630216B CN108630216B (zh) | 2021-08-27 |
Family
ID=63706034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810152518.5A Active CN108630216B (zh) | 2018-02-15 | 2018-02-15 | 一种基于双麦克风模型的mpnlms声反馈抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108630216B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111508464A (zh) * | 2020-04-14 | 2020-08-07 | 深圳市友杰智新科技有限公司 | 滤波参数自更新方法、滤波器、设备和存储介质 |
| CN111970410A (zh) * | 2020-08-26 | 2020-11-20 | 展讯通信（上海）有限公司 | 回声消除方法及装置、存储介质、终端 |
| GB2590346A (en) * | 2019-10-10 | 2021-06-30 | Gibby Adrian | Elimination of feedback or howlround due to microphones, pickups and audio input transducers feeding back through loudspeakers |
| CN114584901A (zh) * | 2022-03-03 | 2022-06-03 | 西北工业大学 | 一种基于克罗内克分解的rls声反馈抑制算法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1251192A (zh) * | 1997-11-22 | 2000-04-19 | 皇家菲利浦电子有限公司 | 具有多个输入源的音频处理设备 |
| US6611594B1 (en) * | 2000-10-25 | 2003-08-26 | Agere Systems, Inc. | Robust signed regressor PNLMS method and apparatus for network echo cancellation |
| US20040015529A1 (en) * | 2002-07-16 | 2004-01-22 | Tellabs Operations, Inc. | Selective-partial-update proportionate normalized least-mean-square adaptive filtering for network echo cancellation |
| CN1607740A (zh) * | 2003-09-24 | 2005-04-20 | 卓联半导体股份有限公司 | 不稳定信号的改进型仿射投影算法 |
| CN101192411A (zh) * | 2007-12-27 | 2008-06-04 | 北京中星微电子有限公司 | 大距离麦克风阵列噪声消除的方法和噪声消除系统 |
| CN101273663A (zh) * | 2005-10-11 | 2008-09-24 | 唯听助听器公司 | 助听器和在助听器中处理输入信号的方法 |
| CN101438603A (zh) * | 2006-04-01 | 2009-05-20 | 唯听助听器公司 | 助听器和助听器的抗反馈系统中自适应速率的控制方法 |
| CN101874412A (zh) * | 2007-10-03 | 2010-10-27 | 奥迪康有限公司 | 具有预测和抵消声反馈的反馈布置的助听器系统、方法及使用 |
| CN102077607A (zh) * | 2008-05-02 | 2011-05-25 | Gn奈康有限公司 | 组合至少两个音频信号的方法和包括至少两个麦克风的麦克风系统 |
| CN102104821A (zh) * | 2009-12-22 | 2011-06-22 | 西门子医疗器械公司 | 利用定向麦克风进行反馈识别和抑制的方法和助听器 |
| CN102509552A (zh) * | 2011-10-21 | 2012-06-20 | 浙江大学 | 一种基于联合抑制的麦克风阵列语音增强方法 |
| CN103098132A (zh) * | 2010-08-25 | 2013-05-08 | 旭化成株式会社 | 声源分离装置、声源分离方法、以及程序 |
| CN103475980A (zh) * | 2013-07-19 | 2013-12-25 | 杭州联汇数字科技有限公司 | 一种自适应声反馈消除方法 |
| CN103680515A (zh) * | 2013-11-21 | 2014-03-26 | 苏州大学 | 采用系数重用的比例自适应滤波器系数向量更新方法 |
| CN104050971A (zh) * | 2013-03-15 | 2014-09-17 | 杜比实验室特许公司 | 声学回声减轻装置和方法、音频处理装置和语音通信终端 |
| CN105070295A (zh) * | 2015-07-10 | 2015-11-18 | 西南交通大学 | 一种活性因子成比例子带的自适应方法应用于回声消除 |
-
2018
- 2018-02-15 CN CN201810152518.5A patent/CN108630216B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1251192A (zh) * | 1997-11-22 | 2000-04-19 | 皇家菲利浦电子有限公司 | 具有多个输入源的音频处理设备 |
| US6611594B1 (en) * | 2000-10-25 | 2003-08-26 | Agere Systems, Inc. | Robust signed regressor PNLMS method and apparatus for network echo cancellation |
| US20040015529A1 (en) * | 2002-07-16 | 2004-01-22 | Tellabs Operations, Inc. | Selective-partial-update proportionate normalized least-mean-square adaptive filtering for network echo cancellation |
| CN1607740A (zh) * | 2003-09-24 | 2005-04-20 | 卓联半导体股份有限公司 | 不稳定信号的改进型仿射投影算法 |
| CN101273663A (zh) * | 2005-10-11 | 2008-09-24 | 唯听助听器公司 | 助听器和在助听器中处理输入信号的方法 |
| CN101438603A (zh) * | 2006-04-01 | 2009-05-20 | 唯听助听器公司 | 助听器和助听器的抗反馈系统中自适应速率的控制方法 |
| CN101874412A (zh) * | 2007-10-03 | 2010-10-27 | 奥迪康有限公司 | 具有预测和抵消声反馈的反馈布置的助听器系统、方法及使用 |
| CN101192411A (zh) * | 2007-12-27 | 2008-06-04 | 北京中星微电子有限公司 | 大距离麦克风阵列噪声消除的方法和噪声消除系统 |
| CN102077607A (zh) * | 2008-05-02 | 2011-05-25 | Gn奈康有限公司 | 组合至少两个音频信号的方法和包括至少两个麦克风的麦克风系统 |
| CN102104821A (zh) * | 2009-12-22 | 2011-06-22 | 西门子医疗器械公司 | 利用定向麦克风进行反馈识别和抑制的方法和助听器 |
| CN103098132A (zh) * | 2010-08-25 | 2013-05-08 | 旭化成株式会社 | 声源分离装置、声源分离方法、以及程序 |
| CN102509552A (zh) * | 2011-10-21 | 2012-06-20 | 浙江大学 | 一种基于联合抑制的麦克风阵列语音增强方法 |
| CN104050971A (zh) * | 2013-03-15 | 2014-09-17 | 杜比实验室特许公司 | 声学回声减轻装置和方法、音频处理装置和语音通信终端 |
| CN103475980A (zh) * | 2013-07-19 | 2013-12-25 | 杭州联汇数字科技有限公司 | 一种自适应声反馈消除方法 |
| CN103680515A (zh) * | 2013-11-21 | 2014-03-26 | 苏州大学 | 采用系数重用的比例自适应滤波器系数向量更新方法 |
| CN105070295A (zh) * | 2015-07-10 | 2015-11-18 | 西南交通大学 | 一种活性因子成比例子带的自适应方法应用于回声消除 |
Non-Patent Citations (3)
| Title |
|---|
| CARLOS RENATO C.NAKAGAWA ETC: "Dual microphone solution for acoustic cancellation for assistive listening", 《IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS》 * |
| RL DAS ETC: "A zero attracting proportionate normalized least mean square algorithm", 《SIGNAL & INFORMATION PROCESSING》 * |
| 唐燕: "数字助听器自适应声反馈消除的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2590346A (en) * | 2019-10-10 | 2021-06-30 | Gibby Adrian | Elimination of feedback or howlround due to microphones, pickups and audio input transducers feeding back through loudspeakers |
| CN111508464A (zh) * | 2020-04-14 | 2020-08-07 | 深圳市友杰智新科技有限公司 | 滤波参数自更新方法、滤波器、设备和存储介质 |
| CN111508464B (zh) * | 2020-04-14 | 2023-07-14 | 深圳市友杰智新科技有限公司 | 滤波参数自更新方法、滤波器、设备和存储介质 |
| CN111970410A (zh) * | 2020-08-26 | 2020-11-20 | 展讯通信（上海）有限公司 | 回声消除方法及装置、存储介质、终端 |
| CN114584901A (zh) * | 2022-03-03 | 2022-06-03 | 西北工业大学 | 一种基于克罗内克分解的rls声反馈抑制算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108630216B (zh) | 2021-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108630216A (zh) | 一种基于双麦克风模型的mpnlms声反馈抑制方法 | |
| US9264807B2 (en) | Multichannel acoustic echo reduction | |
| CN110741434A (zh) | 用于具有可变麦克风阵列定向的耳机的双麦克风语音处理 | |
| US20070263850A1 (en) | Integration of a microphone array with acoustic echo cancellation and residual echo suppression | |
| CN104506746B (zh) | 一种改进的凸组合解相关成比例自适应回声消除方法 | |
| US20220109929A1 (en) | Cascaded adaptive interference cancellation algorithms | |
| CN103024633A (zh) | 基于探针信号注入控制自适应反馈抵消系统 | |
| Tran et al. | Proportionate NLMS for adaptive feedback control in hearing aids | |
| US11189297B1 (en) | Tunable residual echo suppressor | |
| CN104144269B (zh) | 一种基于解相关的成比例自适应电话回声消除方法 | |
| CN115175063A (zh) | 啸叫抑制方法、装置、音响及扩音系统 | |
| CN104768114B (zh) | 反馈抑制 | |
| Gueraini et al. | New variable step-size fast NLMS algorithm for non-stationary systems | |
| Loetwassana et al. | Adaptive howling suppressor in an audio amplifier system | |
| Ngo | Digital signal processing algorithms for noise reduction, dynamic range compression, and feedback cancellation in hearing aids | |
| JP4852068B2 (ja) | ステレオ音響エコーキャンセル方法、ステレオ音響エコーキャンセル装置、ステレオ音響エコーキャンセルプログラム、その記録媒体 | |
| JP2022022742A (ja) | 音声秘匿システム | |
| Reas | Performance evaluation of a low order LMS based adaptive feedback canceller for public address system | |
| JP2013141118A (ja) | ハウリングキャンセラ | |
| Ni et al. | A robust GSC beamforming method for speech enhancement using linear microphone array | |
| Sugiyama | Robust Noise Canceller Algorithm with SNR-Based Stepsize Control and Gain Adjustment | |
| Sugiyama | Robust convergence algorithm for adaptive noise cancellers with SNR-based Stepsize Control | |
| JPH01215130A (ja) | エコーキャンセラー装置 | |
| Guo | Learning and Application of Feedback Path Database for Feedback Control in Hearing Aids | |
| CN118038844A (zh) | 一种基于自适应滤波的会议场景回声消除方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |